การพัฒนาแบบจำลองประมวลผลภาษาธรรมชาติเพื่อประเมินความเสี่ยงด้านสุขภาพจิต

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการประมวลผลภาษาธรรมชาติ (NLP) ร่วมกับเทคนิคการเรียนรู้ของเครื่อง (Machine Learning) เพื่อจำแนกและประเมินสภาวะสุขภาพจิตจากข้อความบนสื่อสังคมออนไลน์ ครอบคลุมทั้งกลุ่มผู้มีอารมณ์ทั่วไป (Normal) และผู้มีแนวโน้มเสี่ยงต่อปัญหาด้านสุขภาพจิต เช่น โรคซึมเศร้า (Depression) โรควิตกกังวล (Anxiety) ภาวะเครียด (Stress) แนวโน้มคิดฆ่าตัวตาย (Suicidal) โรคไบโพลาร์ (Bipolar) และภาวะบุคลิกภาพแปรปรวน (Personality Disorder) ขั้นตอนการศึกษาประกอบด้วยการสกัดคุณลักษณะ เช่น TF-IDF และ TF ควบคู่ไปกับการตัดคำ การหาต้นรากคำ (Stemming) และการตัดคำหยุด (Stop Words) เพื่อยกระดับคุณภาพของข้อมูล จากนั้นได้นำอัลกอริธึมการเรียนรู้ของเครื่อง เช่น Random Forest, XGBoost, LightGBM และ Multi-Layer Perceptron (MLP) มาทดสอบและเลือกแบบจำลองที่มีประสิทธิภาพสูงสุด โดยพิจารณาจากค่าตัวชี้วัดทั้ง Precision, Recall และ F1-Score นอกจากนี้ งานวิจัยยังได้นำเสนอแนวทางการใช้แบบจำลองภาษาขนาดใหญ่ (LLM) เช่น Typhoon เพื่อแปลข้อความภาษาไทยเป็นภาษาอังกฤษ ก่อนส่งเข้ากระบวนการของแบบจำลองหลัก ช่วยขยายขอบเขตและรองรับการประเมินความเสี่ยงด้านสุขภาพจิตจากข้อความภาษาไทย